在各種人工智能、機器學習系統快速發展的今天，學者把它們稱為「後理論科學」（post-theory science）。有的人疑惑，傳統科研方法會被時代所淘汰嗎？
科學專欄作家勞拉·斯賓尼（Laura Spinney）1月9日發表在《衛報》的一篇文章提出了一些有意思的觀點。這要先從甚麼是傳統科學和「後理論科學」說起。
傳統科學典型的例子就是牛頓發現萬有引力定律的過程——通過對生活中的事情、周圍的世界所發生的事情提出問題，總結出一套理論能擴展解釋更多問題，這是人們熟悉的科研方法。
可是現代科學的發展趨勢看起來有些怪異。比如Facebook的機器學習工具預測用戶的偏好，達到了比心理學家更準確的地步，甚至有些讓人不寒而慄。有些人工智能工具是研究人員的好幫手，像Google公司開發的預測蛋白質折疊的人工智能軟件AlphaFold，研究人員需要幾年才能完成的工作它在十分鐘內即可完成。
這些基於人工智能和機器學習的科研方法的奇怪之處在於，研究人員設計好系統後，無法追蹤它們怎樣得出結果。這些系統也無法提供它們的運算或推理過程，有點類似「黑箱」操作。而傳統科學總有一個明確的公式或是清晰的推理過程，這就是傳統科學和「後理論科學」之間一個顯而易見的區別。
由於人工智能在飛速發展，一些學者認為可能以後傳統科研方法就會消失了，使用人工智能系統來分析大量的數據，找到事物的關係比用人腦研究更快、更準確。美國《連線》（Wired）雜誌前主編克里斯·安德森（Chris Anderson）在2008年就提出了這樣的看法，他認為傳統科學總結出來的定律把世界簡單化了，而人工智能有能力處理更多的數據，能更有效地發現事物的規律。
斯賓尼則認為情況不是這樣，傳統科學將一直有它的地位，她提出了至少三個原因。
第一個原因是，人工智能系統帶有設計者無法解決的缺陷，比如得出的結果帶有偏見，像Google的搜索引擎、亞馬遜的招聘軟件，都是知名的例子。有的人說，人類社會也存在偏見，是這樣，但是人類社會可以展開對話、可以溝通，這些軟件既然無法提供計算過程，就意味著它們和設計者之間都無法溝通，更不要說和人類溝通。
第二個原因是，很多人對於這些系統的「黑箱操作」很不滿。正像上面提到的，這些軟件無法提供推理過程，而人類很需要知道「為甚麼」。
第三個原因是，人類的「靈感」推動了很多科研的進展，並不是任何事情都依靠海量的數據。數學家克里斯汀·斯坦普（Christian Stump）上個月（12月）發表在《自然》（Nature）上的文章說，「靈感是創造力的核心」。也就是說，還有很多理論是人類可以探索和作出解釋的，等待人類靠「靈感」去發現。
斯賓尼說，當然，「後理論科學」研究方法給科研領域注入了新的活力。在2022年的今天，已經找不到哪個領域沒有人工智能的足跡。人類要做的就是學會駕馭它們，它們會幫助人類找到很多問題的答案，人類將如虎添翼。#
------------------
請訂閱新官方YouTube頻道：
https://bit.ly/2XxPrsd
✅立即支持訂閱：
https://hk.epochtimes.com/subscribe
✅直接贊助大紀元：
https://www.epochtimeshk.org/sponsors
✅成為我們的Patron：
https://www.patreon.com/epochtimeshk
------------------
⏪️ 回顧2024專題報道👇🏻
https://hk.epochtimes.com/tag/回顧2024
🔔下載大紀元App 接收即時新聞通知
🍎iOS：https://bit.ly/epochhkios
🤖Android：https://bit.ly/epochhkand
